机器学习与超高性能液体染色学相结合-飞行时间质谱和气体染色学-离子移动性染色学数据融合对地理来源的歧视Lonicerae japonicae Flos
Ran Miao1,2, Minmin Zhang1,2, Xiao Wang1,2
1Key Laboratory for Applied Technology of Sophisticated Analytical Instruments of Shandong Province, Shandong Analysis and Test Center, Qilu University of Technology (Shandong Academy of Sciences), Jinan, China.
现在可以准确地区分Flos Lonicerae Japonicae的地理来源. 机器学习与染色体数据融合相结合,在识别真实来源方面实现了100%的准确性.
科学领域:
- 分析化学 分析化学
- 药理学是指药理学,即药理学是指药理学.
- 计算化学计算化学
背景情况:
- Flos Lonicerae Japonicae是一种有价值的传统中医药.
- 确保Flos Lonicerae Japonicae的地理来源对于质量控制至关重要.
- 区分真实来源与非真实来源是一个重大挑战.
研究的目的:
- 开发一种准确的方法来区分Flos Lonicerae Japonicae的地理来源.
- 结合多种分析技术,提高原产地识别.
- 验证机器学习模型在这种歧视任务中的有效性.
主要方法:
- 使用了超高性能液态色谱-飞行时间质谱 (UHPLC-TOF-MS) 和气体色谱-离子移动性色谱 (GC-IM).
- 采用数据融合策略,将两种色谱技术的信息整合在一起.
- 应用多变量统计分析和机器学习算法 (ML) 进行分类.
主要成果:
- 最初的多变量分析实现了80.33% (PCA) 和96.72% (PLS-DA) 的分类准确度.
- 识别了9个非挥发性和32个挥发性差异成分,使用预测中的变量重要性 (VIP).
- 机器学习模型,特别是多层感知器,在培训和测试集上实现了100%的分类准确性.
结论:
- 结合UHPLC-TOF-MS和GC-IM的数据融合,加上机器学习,为原产地歧视提供了一个强大的方法.
- 多层感知子算法表现出了卓越的性能,为追踪Flos Lonicerae Japonicae的起源提供了一个可靠的工具.
- 这种方法支持制药行业的Flos Lonicerae Japonicae的真实性和质量保证.
更多相关视频
07:16Preparation of Gynura bicolor DC samples for High-Resolution Tandem Mass Spectrometry
Published on: February 2, 2024
08:56Detection of Regulated Ergot Alkaloids in Food Matrices by Liquid Chromatography-Trapped Ion Mobility Spectrometry-Time-of-Flight Mass Spectrometry
Published on: November 22, 2024
相关概念视频
Mass Spectrometry: Complex Analysis
GC–MS is a powerful hyphenated method commonly used in forensics and environmental...
MALDI-TOF Mass Spectrometry
Chromatographic Methods: Classification
Chromatographic techniques are typically named by...
Gas Chromatography–Mass Spectrometry (GC–MS)
A gas chromatograph consists of a long, narrow capillary column with a polysiloxane coating on the inner wall....
High-Performance Liquid Chromatography: Instrumentation
